EOSC-Pillar Use case 5 - FAIR principles in data life-cycles for Humanities
Notice bibliographique
Résumé
This task aims to identify and develop use cases based on Social Sciences and Humanities (SSH) communities engagement. In order to do that, we will rely on consortia funded by Huma-Num and other partners from DARIAH (e.g. Italy and Germany). Another focus will be done on the link between data and publication. HAL, the French national open archive created by CCSD, provide a specific portal for SSH communities to deposit and deliver their publications in open access. CCSD will work with Huma-Num to link publications on HAL to research data in data repositories, especially Nakala, the data repository from Huma-Num dedicated to SSH. This case will be a model for linking with other data repositories used in SSH communities. The first step of building the relationship between the publications deposited in HAL and the data deposited in Nakala has been taken, using the APIs available in each of the repositories. The relations thus created will be displayed, exported and harvestable. In order to be able to synchronise the relationships established in both platforms, we did the technical choice of using the MERCURE protocol and installed a MERCURE server for this purpose. Then the next steps are to be able to ensure that the links made manually between data and publications can be synchronised and shared at will. Learn more
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,024 | 0,026 |
| Science ouverte | 0,006 | 0,019 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,017 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».